一、前言
利用回归进行数据分析，在现实中具有广泛的应用，用于发现事物之间的关系。假设你是一个制造工程师，老板要求你对某化学产品的合成产出率进行分析，以便用于优化设备参数。此时，由于刚学了李宏毅老师的课，作为动手小王子的你，打算亲自动手做一下这个项目并总结处Regression进行数据分析预测时的方法论。
声明：本文大部分笔记理解来源于李宏毅机器学习视频课程Regression以及《Hands on machine Learning with Scikit Learn, Keras and TensorFlow》；
二、Regression进行销售预测方法论
在进行数据分析前，需要问问你的老板，你的需求是什么，即商业目标是什么？例如本案例中：老板要求你对下个月产品A的销售额进行预测：
代码如下（示例）：
为了收集到用于数据分析的数据，你
于是你进行了简要的分析：
- 仔细查看各列数值的属性，数据类型，是否有丢失值，异常值
- 可视化各个属性数据，比如采用直方图
- 研究各属性之间的相关性
- 是否还需要额外数据
- 总结你的发现
根据经验和专家建议，你决定采用回归进行分析，并用损失函数进行衡量模型的好坏
随机抽取80%的数据作为训练集，剩余20%作为测试集
为了评估模型的好坏，你决定分别比较和计算各自的损失函数：
- 增加特征变量进行重复步骤2和步骤3
- 采用”正则化”的方法重复步骤2和步骤3
Original: https://blog.csdn.net/AI_SupplyChain/article/details/118739950
Author: AI_SupplyChain
Title: Regression回归数据分析的步骤
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/635636/
转载文章受原作者版权保护。转载请注明原作者出处！